保存一个 sklearn 'FunctionTransformer' 及其包装的函数

Question

我正在使用sklearn的Pipeline和自定义函数FunctionTransformer

from sklearn.externals import joblib
from sklearn.preprocessing import FunctionTransformer
from sklearn.pipeline import Pipeline

这是我的代码：

def f(x):
    return x*2
pipe = Pipeline([("times_2", FunctionTransformer(f))])
joblib.dump(pipe, "pipe.joblib")
del pipe
del f
pipe = joblib.load("pipe.joblib") # Causes an exception

我收到此错误：

属性错误：模块"__ main__"没有属性"f"

如何解决这个问题？

请注意，此问题也发生在pickle

Answer 1

我能够使用 marshal 模块破解解决方案（除了 pickle ）并覆盖pickle使用的魔术方法getstate和setstate。

import marshal
from types import FunctionType
from sklearn.base import BaseEstimator, TransformerMixin
class MyFunctionTransformer(BaseEstimator, TransformerMixin):
    def __init__(self, f):
        self.func = f
    def __call__(self, X):
        return self.func(X)
    def __getstate__(self):
        self.func_name = self.func.__name__
        self.func_code = marshal.dumps(self.func.__code__)
        del self.func
        return self.__dict__
    def __setstate__(self, d):
        d["func"] = FunctionType(marshal.loads(d["func_code"]), globals(), d["func_name"])
        del d["func_name"]
        del d["func_code"]
        self.__dict__ = d
    def fit(self, X, y=None):
        return self
    def transform(self, X):
        return self.func(X)

现在，如果我们使用 MyFunctionTransformer 而不是 FunctionTransformer ，代码按预期工作：

from sklearn.externals import joblib
from sklearn.pipeline import Pipeline
@MyFunctionTransformer
def my_transform(x):
    return x*2
pipe = Pipeline([("times_2", my_transform)])
joblib.dump(pipe, "pipe.joblib")
del pipe
del my_transform
pipe = joblib.load("pipe.joblib")

其工作方式是从 pickle 中删除函数f，而是marshaling其代码和名称。

dill看起来也是封送处理的不错替代方案